AI都能干活了，公司为何还是老样子？
AI都能干活了，公司怎么还是老样子？ 最近几年，很多公司都在推动AI转型。 给员工采购AI工具、组织AI培训、鼓励大家使用AI Coding，甚至把AI使用情况纳入绩效考核。 折腾了一圈，效果怎么样？ 员工写周报快了，运营做海报快了，研发写代码也快了。可一到实际工作，需求还是要层层审批，跨部门沟通依然困难，一个项目从立
AI已经能接手不少活儿了，公司怎么还是原来那套运转方式？
这几年，不少企业都在往AI转型上使劲。
给员工买AI工具、办AI培训、鼓励大家用AI Coding，有的公司甚至把AI使用情况算进了绩效考核。
一圈折腾下来，结果如何？
员工写周报是快了，运营做海报是快了，研发写代码也快了。可一落到实际工作里，需求照样要一层层审批，跨部门沟通还是费劲，一个项目从立项走到上线，十几场会一场都少不了。
用AI好不容易省出来的几个小时，转头又搭进了开会和汇报里。
挺尴尬的。
工具升级了，管理方式却没跟上。
这恐怕是不少企业推AI转型时最挠头的地方。
01.Shopify已经在重新琢磨招人这件事
全球知名电商平台Shopify的一封内部邮件，在科技圈里被讨论得不轻。
CEO Tobi Lütke对员工提了个要求：团队想申请加人、加资源，得先说明白，眼下的工作为什么不能交给AI来做。
公司还打算把AI使用情况计入绩效和同事评价。
这政策当然有争议。说到底，没哪个打工人乐意老板天天盘算自己的工作能不能让AI顶了。
可从企业经营的角度看，这事确实有琢磨的价值。
一个原本要10个人做的项目，靠AI辅助5个人就能干完，企业还要按老办法招人、分工、管理吗？
产品经理已经能靠AI Coding开发原型，设计师能批量出视觉方案，运营能用Agent处理掉大量重复性工作，那传统的团队配置还有没有调整的余地？
这笔账，很多企业恐怕都得重新算一遍。
不过Shopify的做法里有一点值得留意：它要求团队申请资源前先掂量AI的能力，实际动的是工作怎么重新分配。
毕竟AI能干一项工作，不等于企业就能直接砍掉一个岗位。原有业务、客户关系、系统维护和风险管理，总得有人担着。
再说，那些经营了十几年、几十年的老企业，想调组织架构，可比买几套AI工具难多了。
02.AI原生组织，最难的是老组织怎么落地？
聊AI原生组织，很多人爱拿AI创业公司当例子。
几个人，配上一堆AI Agent，产品研发、市场推广、客户服务就都能转起来。
听着是挺美。
可多数企业压根没机会从零起步。
员工动辄几百上千人，现有产品还在挣钱，业务系统跑了多年，组织架构、汇报关系、绩效考核也早就定型。
老板忽然说要搞AI原生组织，麻烦就跟着来了。
新团队拿AI Coding就能快速把产品做出来，老研发那边却得盯着代码规范、安全、稳定和系统兼容。新团队想让Agent自动接客户需求，老业务团队怕服务质量出岔子，最后锅还得自己背。
更现实的一层是，新团队手上做的AI产品，很可能反过来抢老产品的收入。
老业务负责人会主动去推吗？
两边业绩指标一冲突，事情就更绕了。
这让人想起前些年企业搞数字化转型的那段经历。
那会儿大家也在聊组织变革、数据驱动、敏捷协作。企业拉起数字化部门，上一堆系统，想改掉原来的业务流程。
真落地的时候，不少项目还是被原有的组织架构和工作习惯拽住了。
新部门想推变革，老部门忙着交自己的业绩指标。
谁都承认数字化重要，可一碰到预算、人员、决策权和利益分配，就没那么好谈了。
AI转型恐怕还要更绕一些。
数字化转型主要围着业务流程和数据转，AI则有机会直接参与甚至把具体工作做完，动到现有岗位分工和组织配置。
要是AI真能把某个部门一半的活自动化，谁愿意主动站出来推这件事？
这类问题，技术本身解不了。
企业推进AI原生组织，可能得在新老组织之间找一种能长期跑下去的协作方式。
比如让小团队先在特定业务场景试点，把新工作流程验证过，再慢慢融进原有业务。
对可能冲击老产品收入的创新项目，管理层还得重新想业绩归属和激励机制怎么算。
不然新团队跑得再快，也可能被老组织拖住。
03.部门墙不拆，AI再厉害也没用
还有个绕不开的问题：部门墙。
很多企业的业务流程，本来就被切成一个个独立部门。
产品管需求，研发管开发，运营管增长，销售管客户，客服管售后。每个部门都有自己的负责人、预算和绩效指标。
AI落地以后，各团队纷纷动手给自己提效。
研发上了AI Coding，市场用起AI内容工具，客服那边部署了智能客服，销售也配了自己的AI助手。
单独看一个部门，效率多半是往上走的。
可真正复杂的业务，通常得靠好几个部门一起完成。
比如有家企业想用AI自动接待客户咨询，再一路把客户推到下单。
获客归市场，跟进归销售，系统能力归产品，后续服务归客服。
AI Agent要把这一整套跑通，得调用不同部门的数据、系统和业务规则。
结果市场不愿共享数据，销售怕AI动了自己的客户资源，客服要求加人工审核，研发还得排期做系统对接。
折腾几个月下来，AI可能只做到了自动回复客户消息。
各部门自己的AI提效目标都达成了，公司整体业务效率却没多大起色。
麦肯锡一项全球AI调查也印证了类似情况：近九成受访者称所在组织已在至少一个业务环节用上AI，但只有39%的受访者报告AI对企业整体息税前利润产生了影响。
那些AI应用价值较高的企业，有一个特征很突出：重新设计了工作流程。
这组数字，企业管理者不妨细想。
复杂业务的效率，常常取决于整条流程能不能顺下来。某个环节快了十倍，别的环节还在等审批、手工录入、来回沟通，最后效果照样打折扣。
要让AI真正介入跨部门业务，或许得有人为完整的业务结果担责，而不是只盯自己部门那几个指标。
拿客户成交来说，可以让产品、研发、销售、运营一起对转化率和客户体验负责。
AI工具怎么配、数据怎么流、哪些环节留人工审核，都围绕同一个业务目标来定。
当然，这么调也会动到原有的权责关系。
部门负责人肯不肯共享资源？出了事谁来担？AI做出的业绩算谁的？新团队向谁汇报？
每一条都可能变成改革的阻力。
企业最难撼动的，恐怕是跑了多年的组织惯性。
04.AI原生组织，可能会重新定义很多岗位
AI能力越强，企业内部的岗位分工也可能跟着变。
产品经理、设计师、研发工程师、测试工程师，过去各管一摊，如今交叉越来越多。
产品经理借助AI Coding，已经能独立把一些简单功能做出来；AI设计工具让设计产出效率往上走了一截；自动化测试也在改写研发的老流程。往后企业里大概会冒出更多小规模、高自主权的团队——几个人盯住一个完整的业务目标，手底下配多个AI Agent去跑具体任务。
不过组织调整这事，恐怕没那么顺。AI把个人能力抬高了，企业确实有机会把重复劳动减下来；可团队一缩小，落到每个人头上的责任反倒可能更重。
产品经理得懂点技术架构，研发工程师要参与产品判断，运营人员也得有数据分析和自动化方面的本事。
人才评价的尺子也会跟着变。员工装了多少AI工具，可能没那么要紧；更要看他能不能独立扛起一块业务，能不能借AI把复杂问题解开，最后交出什么结果。
管理者这边的难题还要更大。
